MobileNet v1&v2&v3 创新点及结构简述

华科附小第一名

已于 2023-02-09 20:42:27 修改

阅读量3.4k

点赞数 2

分类专栏：实时网络卷积神经网络文章标签：深度学习计算机视觉图像处理 cnn 神经网络

于 2022-10-29 22:31:47 首次发布

本文链接：https://blog.csdn.net/qq_43307074/article/details/127516414

版权

卷积神经网络同时被 2 个专栏收录

12 篇文章 86 订阅

订阅专栏

实时网络

2 篇文章 1 订阅

订阅专栏

一、背景

MobileNet v1是由google团队在2017年提出的，专注于移动端或者嵌入式设备中的轻量级CNN网络。相比传统卷积神经网络，在准确率小幅降低的前提下大大减少模型参数与运算量。相比VGG16准确率减少了0.9%，但模型参数只有VGG的1/32。

论文地址：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications

MobileNet v2是由google团队在2018年提出的。

论文地址：MobileNetV2: Inverted Residuals and Linear Bottlenecks

MobileNet v3是由google团队在2019年提出的。

论文地址：Searching for MobileNetV3

二、MobileNet v1

1. 网络创新点

Depthwise Coinvolution，大大减少运算量和参数数量
增加超参数α、β，便于调节网络模型

1.1. Depthwise Coinvolution

基本思想：将标准卷积拆分为两个分卷积，构成深度可分离卷积(Depthwise Separable Convolution)：第一层称为深度卷积(depthwise convolution)，对每个输入通道应用单通道的轻量级滤波器；第二层称为逐点卷积(pointwise convolution)，负责计算输入通道的线性组合构建新的特征。

传统卷积：

卷积核通道数 = 输入特征图通道数
输出特征图通道数 = 卷积核个数

DW卷积(Depthwise Coinvolution)：

卷积核通道数 = 1
输入特征图通道数 = 卷积核个数 = 输出特征图通道数

PW卷积(Pointwise Convolution)：

与普通卷积一样，但是卷积核大小为1

深度可分离卷积(Depthwise Separable Convolution)：

我们通常所使用的是3×3的卷积核，将DW卷积和PW卷积一起使用，理论上普通卷积核计算量是DW+PW的8~9倍。两者计算量比较结果如下：

在这里插入图片描述

K：卷积核尺寸，C_out：输出通道数

1.2. 超参数α、β

α(Width Multiplier)：卷积核个数倍率，控制卷积过程中采用卷积核个数
β(Resolution Multiplier):输入图像分辨率参数，控制处理图像的大小

2. 网络结构

2.1. 标准卷积层 vs 深度可分离卷积卷积层

2.2. MobileNet v1整体结构

三、MobileNet v2

1. 网络创新点

Inverted Residuals
Linear Bottlenecks

1.1. Inverted Residuals

深度卷积本身没有改变通道的能力，如果输入通道很少，DW深度卷积只能在低维度上工作，这样效果并不会很好。而逐点卷积也就是1×1卷积可以用来升维和降维，那就可以在DW深度卷积之前使用PW卷积进行升维（升维倍数为t，t=6），再在一个更高维的空间中进行卷积操作来提取特征。

ResNet的残差结构：对于输入特征矩阵采用1x1卷积进行压缩，再通过3x3卷积核进行卷积处理，最后再采用1x1卷积核扩充通道数
倒残差结构：对于输入特征矩阵采用1x1卷积核将通道数变得更深，再通过3x3的卷积核进行DW卷积，最后再采用1x1卷积核进行降维处理

1.2. Linear Bottlenecks

在MobileNet v1网络的实际使用中会发现DW卷积的部分卷积核容易废掉(即卷积核参数为0)，针对这个问题，原论文中作者通过实验得出：ReLU激活函数会对低维特征信息造成大量损失，对高维造成损失比较小，而在倒残差结构中的输出是一个低维特征向量，因此使用线性激活函数避免特征信息损失。因此倒残差结构的最后一个1x1卷积层，使用了线性激活函数，而不是ReLU激活函数。

2. 网络结构

2.1. 倒残差结构图

在普通残差结构中采用的是ReLU激活函数，在倒残差结构中采用的是ReLU6激活函数。当stride=1且输入特征矩阵与输出特征矩阵shape相同时才有shortcut连接。

2.2. MobileNet v2整体结构

t是扩张倍数，即倒残差结构第一层1x1卷积核个数的扩张系数；c是输出的通道数；n是倒残差结构的重复次数；s是步长，代表每一个block所对应的第一层bottleneck的步长，其他的为1。

四、MobileNet v3

1. 网络创新点

新版Block
使用NAS搜索参数
重新设计耗时层结构

1.1. 新版Block

与MobileNetv2相比，Mobilenetv3的block中加入了SE模块，更换了激活函数。更新的激活函数在图中用NL表示非线性激活函数统一表示，用到的激活函数主要有hards-wish、relu两种。最后那个1x1降维投影层用的是线性激活(f(x)=x)，也可以理解为没用激活。MobileNetv3的倒残差结构：

SE模块理解

SE(Squeeze-and-Excitation) 模块类似于一个轻量级的注意力模块，注意力机制的作用方式是调整每个通道的权重，以在Mobilenetv3中的应用为例进行理解，如下图所示。
SE模块

hards-wish

作者发现一种新出的激活函数swish x（如下），但认为这种非线性激活函数虽然提高了精度，但在嵌入式环境中，计算量太大，所以提出了h-swish。

可以用一个近似函数来逼急这个swish。作者选择的是基于ReLU6，作者认为几乎所有的软件和硬件框架上都可以使用ReLU6的优化实现。其次，它能在特定模式下消除了由于近似sigmoid的不同实现而带来的潜在的数值精度损失，在量化模式下会提高大约15%的效率。

作者认为随着网络的深入，应用非线性激活函数的成本会降低，能够更好的减少参数量。作者发现swish的大多数好处都是通过在更深的层中使用它们实现的。因此，在V3的架构中，只在模型的后半部分使用h-swish。

1.2. 使用NAS搜索参数(Neural Architecture Search)

主要结合两种技术：资源受限的NAS（platform-aware NAS）与NetAdapt。资源受限的NAS，用于在计算和参数量受限的前提下搜索网络来优化各个块（block），所以称之为模块级搜索（Block-wise Search） 。NetAdapt，用于对各个模块确定之后网络层的微调每一层的卷积核数量，所以称之为层级搜索（Layer-wise Search）。一旦通过体系结构搜索找到模型，我们就会发现最后一些层以及一些早期层计算代价比较高昂。于是作者决定对这些架构进行一些修改，以减少这些慢层(slow layers)的延迟，同时保持准确性。这些修改显然超出了当前搜索的范围。